移动推荐系统应用分析

移动推荐系统应用分析（共7篇）

移动推荐系统应用分析 篇1

0 引言

个性化推荐帮助用户发现电影,音乐和感兴趣的商品,为用户推荐志趣相同的新朋友,为用户提供个性化的搜索结果,解决用户“信息过载”问题。推荐模型根据用户的行为分析得到不用用户的喜好,并提供相应的服务。随着智能手机的不断发展,移动推荐系统已经成为下一代智能手机研究领域最为活跃的课题之一。许多研究者已经对相关领域进行了深入的研究,如移动信息检索、传感器的研究、数据挖掘和知识发现、人机交互等。

1 移动推荐系统及其关键技术

移动推荐系统是传统推荐系统在移动领域的进一步扩展。随着社会高速发展,移动用户大量增加,中国互联网中心在2016年1月最新公布的《第37次中国互联网络发展状况统计报告》中指出,截止2015年12月,中国手机网民达6.20亿,半数中国人通过手机接入互联网。如何为用户提供更好、更准确的推荐信息成为推荐系统研究者们研究的重点。移动用户虽然存在异构的移动网络环境,但只要能准确提取用户在移动环境行为进行分析,就能有效地为用户进行个性化推荐。

1.1 移动上下文推荐

作为“普适计算”核心领域的上下文感知计算理论,自动发现和利用位置、环境等上下文信息为用户提供服务已经取得许多研究成果。由于移动设备的易携带性,研究者们可以通过设备感知用户所处上下文环境。用户偏好通常会受到周围环境的影响,如有的用户喜欢在办公室而不是家中购物,有的用户喜欢在晚上学习而不是白天。

1.2 移动社会化推荐

互联网的高速发展使得虚拟交互变得越来越重要,用户在社交网络中分享信息,在移动互联网上通信。通过用户行为可以为用户构建社交网络,网络中的用户之间存在某些特定的联系,一些研究者将社会网络引入推荐系统中,有效缓解了传统推荐中存在的冷启动问题。近年来,随着智能手机的普及性,通过收集手机用户在社交网络中的行为更能够有效为用户建模并进行个性化推荐。

2 基于位置的移动推荐系统

传统的推荐系统特点之一在于用户交互,推荐系统通过用户历史行为为其进行推荐。基于位置的移动推荐系统,通过访问移动设备的位置数据,收集并分析用户的位置与历史信息。最为重要的是根据以上信息为用户提供个性化的推荐。

移动推荐系统用户信息的采集分为两种方法:显式方法通过收集用户输入的显式信息,如用户在注册账户时的年龄,住址等;隐式方法是系统根据用户的历史信息和活跃行为中分析构建用户行为信息。如电子邮件的收发方,社交网站的浏览行为等。当研究人员收集到数据后,需要利用数据挖掘工具对采集的信息进行预处理,对用户建模并以各种形式为用户进行个性化推荐。

3 移动推荐系统研究难点与应用前景

个性化和实时性使得移动推荐系统拥有者广阔的发展前景,本节就其研究难点和应用前景进行分析总结。

3.1 研究难点

(1)移动用户的信息获取,在移动推荐中,由于终端设备的特殊性,显式获取用户信息常常会影响用户体验。因此隐式获取用户信息的方式更为常见,在保证用户隐私的前提下,有效准确地获取用户信息,依然是移动推荐研究的重中之重。

(2)移动推荐系统的冷启动问题,新用户进入推荐系统时,由于信息缺失,不能准确地获取用户偏好,新项目进入系统时,过少的评价信息也使得推荐系统无法准确进行推荐。

(3)移动推荐的隐私和安全问题,移动用户的隐私保护问题严重制约了移动信息系统的发展,移动推荐系统为收集用户信息,通常对移动用户信息、行为、位置等进行分析。但部分移动用户不愿向推荐系统提供完整准确的信息,认为存在隐私泄漏等安全问题。

3.2 应用前景

移动新闻推荐作为互联网推荐的研究领域之一,在移动推荐领域同样收到研究者们的关注,Daily Learner新闻推荐系统通过挖掘用户的兴趣变化向用户推送新闻,利用用户注册时的信息,缓解了冷启动问题。移动旅游推荐是兴起的新型推荐领域应用。Cyberguide根据用户位置上下文信息以及历史行为为用户进行基于位置的移动旅游推荐。

随着智能设备的普及,移动设备已经成为人们生活中不可或缺的工具。近年来,利用移动推荐系统来缓解用户“信息过载”问题已经得到研究者们的广泛关注,但依然存在大量问题需要进行深入研究。

摘要：随着移动终端的普及,移动设备成为了推荐系统理想的获取用户信息的接口,用来帮助系统发现,学习用户的周围物理环境。对近几年移动推荐系统研究进行综述,对其关键技术进行对比分析。最后对移动推荐系统的发展趋势进行展望。

关键词：移动设备,推荐系统,移动推荐,综述

参考文献

[1]Church K,Smyth B.Understanding the Intent behind Mobile Information Needs[C]//Proceedings of the 14th International Conference on Intelligent User Interfaces:ACM,2009:247-256.

[2]Dey AK,Wac K,Ferreira D,et al.Getting Closer:An Empirical Investigation of the Proximity of User to Their Smart Phones[C]//Proceedings of the 13th International Conference on Ubiquitous Computing:ACM,2011:163-172.

[3]Cho E,Myers SA,Leskovec J.Friendship and Mobility:User Movement in Location-based Social Networks[C]//Proceedings of the 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining:ACM,2011:1082-1090.

[4]Baltrunas L.Exploiting Contextual Information in Recommender Systems[C]//Proceedings of the 2008 ACM Conference on Recommender Systems:ACM,2008:295-298.

[5]Girardello A,Michahelles F.Appaware:Which Mobile Applications Are Hot?[C]//Proceedings of the 12th International Conference on Human Computer Interaction with Mobile Devices and Services:ACM,2010:431-434.

[6]孟祥武,胡勋,王立才,等.移动推荐系统及其应用[J].软件学报,2013,24(1).

移动推荐系统应用分析 篇2

关键词：移动操作系统,Android,i OS,Windows,移动设备

0引言

近年来,各类移动设备凭借其便捷的触控式交互操作方式和高效的长续航办公能力,得到迅速发展和普及。通过移动计算技术推动煤矿企业的业务移动化与智能化,是未来煤炭行业信息化工作的目标[1]。移动操作系统是移动设备的核心,也是移动计算的基础技术平台。本文从技术水平、应用成本和安全性3个方面对目前主流的Android、i OS和Windows移动操作系统进行比较分析,使用加权求和的方法计算各操作系统的综合得分,并结合煤矿企业应用的实际要求,为煤矿企业选择适用的移动操作系统提供建议。

1移动操作系统比较分析

1.1技术水平

Android、i OS和Windows移动操作系统技术水平[2]对比见表1。

由众多厂商共同开发的Android作为免费的开源系统,其功能最为完备,吸引了最多的开发者,系统操作界面友好,是目前最有生命力的移动操作系统。但近年来Android有碎片化趋势[3],加上无法兼容传统的Win32应用程序,对Android在企业市场的应用造成了一定的影响。

由某公司独家开发的i OS只部署在该公司生产的硬件设备上,虽然封闭性给i OS带来很多局限,但也强化了统一的开发理念。i OS的应用质量和成熟度最高,用户体验 最为出色。但i OS无法兼容Win32或Java应用程序。

Windows在桌面端占有90% 以上的市场,应用软件非常丰富。但在移动应用市场由于起步较晚, 功能相对较弱,一直处于追赶Android和i OS的态势。基于x86和x64的Windows能够完全 兼容Win32和基于. NET的应用程序,能够大幅降低系统升级和维护成本。

经过综合比较,Android、i OS和Windows移动操作系统技术水平得分见表2。Android功能完善且拥有高度的开放性,各类应用程序非常丰富; i OS具有优秀的用户体验、系统稳定性,但封闭的系统形态和兼容性问题导致i OS得分较低[4]; Windows虽然在移动端功能性较弱,但能够兼容Win32应用程序,支持已有的企业应用程序。

针对矿用市场来看,3种移动操作系统在技术层面都可满足煤矿企业应用的基本要求。但由于基于3种移动操作系统开发的应用程序互相无法兼容,所以在移动应用系统规划阶段就要针对企业特点选择相应的操作系统。如果现阶段企业的应用系统多为标准的Web系统,无需Active X组件等专用技术,则3种移动操作系统都可满足技术要求,提供很好的兼容性; 如果应用系统多为Java程序,则Android和Windows都可兼容; 如果应用系统多为传统的Win32应用程序,则Windows可进行无缝兼容。

1.2应用成本

Android、i OS和Windows移动操作系统应用成本对比见表3。

Android对所有的设备厂商开放源码,开发及应用完全不 需要支付 操作系统 授权费用,但由于Android本身基于Linux,需要向第三方缴纳一定数量的专利授权费。Android可使用Java进行开发, 因此应用程序的开发较容易,成本较低。硬件设备方面,由于是各厂商自行设计、生产,所以设备种类非常多,价格最低廉。

i OS只随移动设备搭配,不单独对外销售。基于i OS的硬件设备的优点是硬件做工水平非常高, 质量上乘,但可选择性较差,价格最高。i OS上应用开发的技术路线较为狭窄,开发难度最大,成本最高。

Windows可通过定点生产的方式与硬件捆绑销售。Windows拥有数量和种类众多的开发工具和技术框架,应用程序开发速度最快,难度最低,成本也相对较低。

经过综合比较,Android、i OS和Windows移动操作系统应用成本得分见表4。Android依靠几乎免费的授权模式、便捷的应用程序研发和廉价的硬件设备,成为目前最经济的移动开发平台; i OS较高的研发成本和硬件设备成本使其在成本方面不占优势; Windows研发成本相对较低。

针对煤矿企业来看,移动操作系统的应用成本主要来自配套应用程序的研发成本。当前,基于Android进行应用开发的成本最低。但移动应用程序的研发成本还取决于企业当前的生产、经营管理系统的技术路线,即需要考虑应用系统兼容性问题, 因为这些管理系统设计开发费用动辄几十万至几百万元,建设周期长达数年,若不能实现良好兼容,会给企业造成较大的成本压力。

1.3安全性

从安全性上来看,Android、i OS和Windows移动操作系统都拥有强大的安全机制,能够抵御一般性的网络攻击和入侵。i OS和Windows是闭源的系统,两者都内置了官方应用商店,拥有严格的应用程序认证程序及软件开发者认证程序,所使用的安全模式能有力抵御传统恶意软件的攻击并保护用户数据。相比而言,具有开源特点的Android系统的安全性主要依赖生产厂商,应用程序的认证程序不够严格,允许任何软件开发者在匿名状态下创建和发布应用程序,导致Android系统的恶意软件较为泛滥[6]。

此外,Android属于Linux家族,病毒较少,但Android系统应用审核不严格,导致恶意应用程序数量众多; i OS属于类Unix操作系统,病毒和恶意软件非常少,几乎不用考虑安全方面的问题; Windows属于Windows NT家族,基于该系统的病毒和木马的数量较多,但Windows 7之后的版本由于增加了“用户访问控制”等安全机制,安全性得到了很大提高。

因此,Android、i OS和Windows移动操作系统得分依次为6,10,8分,而安全性评价因子权重为15% ,加权得分分别为0. 9,1. 5,1. 2分。

1.4综合分析

根据对Android、i OS和Windows移动操作系统的技术水平、应用成本和安全性的综合比较,其加权得分分别为8. 3,7. 2,8. 0分。Android系统功能强大,开源并且免费,移动设备厂商可自行修改系统代码并设计硬件,是当今移动应用的最佳平台,缺点是安全性较薄弱; i OS系统用户体验最出色,硬件设备质量非常高,系统安全认证程序严格,缺点是系统封闭不对外授权,只能购买官方的硬件设备; Windows较为中庸,允许移动设备厂商自行设计终端产品,拥有较为严格的安全措施,能够兼容原有程序,缺点是针对移动应用方面的功能性不及Android和i OS移动操作系统。

2移动操作系统在煤矿的应用分析

从移动设备的软件方面考虑,针对井上和井下一般作业环境,Android、i OS和Windows移动操作系统都能够满足应用程序开发与运行的技术要求。从移动设备的硬件方面考虑,井上使用的移动设备与一般企业并无区别,基于3种移动操作系统的移动设备都可满足要求。但对于井下特殊作业环境,选择移动操作系统的关键在于设备厂商能否研发出满足井下爆炸性气体环境用电气设备技术要求的硬件设备,即满足GB 3836. 1—2010《爆炸性环境第1部分: 设备通用要求》和GB 3836. 4—2010《爆炸性环境第4部分: 由本质安全型“i”保护的设备》中I类 ( 用于煤矿瓦斯气体环境) 电气设备要求的本质安全型硬件设备,并需通过国家矿用产品安全标志认证。基于Android和Windows移动操作系统的硬件设备可由厂商自主设计,因此移动设备的工作温度、 电磁辐射、制造材质、绝缘性能、电池性能等参数可进行专门设计使其通过安全标志认证,并可在井下应用; 基于i OS移动操作系统的硬件设备由于是独家设计和生产,无法进行修改以适应井下的特殊环境,不能在井下应用。

目前,从国内煤矿企业的应用情况来看,数字化矿山、三维GIS、煤矿监控、安全生产管理等应用系统大多运行在Windows桌面系统上,支持移动应用的较少。部分煤矿企业在应用数字化矿山系统时, 实施了“一掌通”移动应用解决方案,将中央调度室的影像资料和大量数据集成在移动设备上。由于Android具有功能强大、开放免费等特性,上述移动应用大部分基于Android进行开发,少部分基于Android和i OS双系统开发。

从应用现状来看,Android目前占据了中国矿用移动应用市场的主流,可应用于井上、井下各种作业环境,并已有成功案例; 基于i OS的设备由于本身封闭的原因,无法生产出符合安全标志认证要求的设备,只能在井上进行应用; 基于传统的Windows CE系统的矿用 手持式设 备应用比 较广泛,但基于Windows专业版或移动版的移动应用还未有成功案例。

3结语

移动推荐系统应用分析 篇3

据统计[1],医生的差错有35%可以被药剂师发现,药剂师的差错有20%可以被护士发现,护士是医嘱的最后执行者,护士的差错却无法被及时监督和纠正。移动护理系统[1]是以医院现有的医院信息系统(hospital information system,HIS)为基础,以移动手持电脑设备,配合WIFI或3G网络,实现HIS系统在病房的扩展与延伸的床旁工作终端执行系统。它具有移动性、便携性、实时记录等功能,能够与电子病历系统,手术麻醉管理系统,输血管理系统、物资供应消毒管理系统等医疗护理系统交互提供信息,互相支持,完成复杂的医护过程。

国内北京协和医院2002年开始使用移动护理信息系统[2],解放军302医院、天坛医院等也相继部署上线移动护理系统。台湾新光医院、长庚医院等广泛部署了PDA,应用效果显著。国外约在上个世纪70年代开始,在医院大量部署体积小巧、携带操作方便、功能强的PDA,应用于HIS的医学知识大全和药典,也用于临床患者的跟踪系统。

2 移动护理PDA的流程管理设计与功能

医疗作业流程的风险管理,尤其是直接与治疗相关的流程是工作重点。在系统部署的第一阶段首先设置了输液用药核对、标本核对和输血核对、体征数据录入等主要功能。

2.1 输液用药核对。

在广泛收集临床护士操作建议的基础上,多次修改软件操作流程,力图使操作最简化。最终确定操作步骤为:①握持PDA并按下激光扫描头,读取标签,②校对成功。我院采用一次性硅胶腕带,联合热敏腕带打印机,并针对HIS开发了专门的腕带二维码和瓶贴二维码生成器程序。护士手持PDA,在距离10-20cm左右即可读取;因自带激光发射器,在环境光杂乱(阳光直射)甚至缺如的环境(夜间)下也能有极高的采集效率,腕带无需回收。

2.2 标本核对和输血核对。

未部署PDA之前,LIS的工作仅限于病人亲自到护士台前。倘若患者无法行至护士站,需护士床旁采集标本,如不能及时上传至服务器,患者标本就有被混淆的风险,严重时会造成差错事故的发生。此次部署了护理PDA后,护士在床边采血样时通过核对采样管标签与病人腕带来确保一致性,彻底解决了这个“最后一米”的问题。我院在标本核对的基础上,实现了输血核对,能核对姓名、血型、交叉配血实验结果、采血日期、血液种类和血液质量的等信息,满足了卫生部的核心制度中有关输血的要求,是四川省首家实现移动端采血配血管理软件的医院。

2.3 体征数据录入。

我院的电子病历系统是成电医星软件公司的产品。在部署电子病历和移动护理系统之间的接口后,护理人员在床旁通过PDA直接录入病人体征数据,直接反映到电子病历的统计报表。护士避免了反复转抄录入,简化工作提高效率,及时性的提高意味着准确性(可能会遗忘)的提高。

2.4 自动护理绩效计算。

护理工作是劳动密集型工作。绩效核算是重要的人力资源管理手段。部署PDA之前,护理绩效只能通过医嘱中的特定关键字,以及护理专家制定的量化护理行为绩点表,累计工作量。通常无法做到针对每个护理人员精确计算绩效。使用PDA后,护理人员通过PDA登录系统,设备会自动记录操作时间、操作行为名称。和该软件配备的护理绩效软件则接受PDA传入的工号和该工号对应操作记录,实时计算护理绩效。

2.5 统计查询。

移动护理系统为我院护理人员提供了丰富的信息查询功能,方便回答患者的查询请求。目前支持以下功能:检查结果、药品信息、执行医嘱以及查看日费用清单。

3 移动护理系统的优势与应用中存在的问题

3.1 移动护理系统的优势

3.1.1 优化工作流程。

信息一经录入,多终端读取,减少护士重复劳动,优化工作流程,使护士有更多时间护理患者,提高了患者的满意度,同时增强了记录的及时性和准确性。

3.1.2 建立标识系统,减少护理差错。

目前因同姓名、换床、患者意识障碍等,在查对的工作中出错的几率较大。使用PDA配合腕带和条码,极大地提高了患者身份识别的准确性,确保了医疗过程中患者、时间、诊疗行为的准确性。

3.1.3 解决签字问题。

《病历书写基本规范(试行)》中规定,长期医嘱执行后应签署执行时间和执行者的姓名。使用PDA后,实现了所有医嘱执行后即可签名的功能,无需再打印各种分类执行单,随着电子病历归档,护理工作真正实现了“无纸化办公”。

3.1.4 提供法律依据由于每条医嘱和实际执行人形成一对一的关系,记录医嘱的执行时间、用药途径、对病情观察的时间等,规范了护士的行为,为医疗举证提供了法律依据。

3.2 移动护理系统应用中存在的问题

3.2.1 网络延时导致切换速度慢。

由于有时网络速度不稳定,在不同病房间切换信号时时,会有出现2秒左右的延迟。目前考虑在附近增设基站,签署3G数据流量服务协议,即PDA在较弱信号无法访问服务器(或无网络时)数据交换信道为3G信道,网络正常时通过WIFI信道,进一步改进无线网络环境,优化配置,方便以后的无线设备采集处理相关项目的建设。

3.2.2 平台异构问题。

我院电子病历系统,与LIS系统分属不同的商家建设。原厂家出于自身利益考虑,在接口开发上不是特别配合,导致该项目进展缓慢,配合实施效果不好,目前通过架设中间件的方式实现了适配器。待数据集成平台应用后再进行技术上的调整和优化。

4 展望

信息技术的飞速发展,迫使我们改变传统的工作方法,紧跟世界的步伐,将护理工作和信息技术有机结合。PDA给护理管理者带来了更先进、更便捷更全面的管理模式,但也给护理管理者们增大了工作量,提出了思索和挑战。

摘要：根据医院信息化发展的需要,研发设计基于无线网络、移动护理PDA等设备的移动护理系统,实现医疗护理全过程动态质量监控。详细介绍了移动护理PDA的流程管理设计与功能、移动护理系统的优势与应用中存在的问题。最后对系统应用做了总结。该系统给护理管理者带来了更先进、更便捷更全面的管理模式,但也给护理管理者们增大了工作量,提出了思索和挑战。

关键词：移动护理系统,PDA,应用

参考文献

[1]移动护理信息系统在我国护理管理中的应用[J].中华医院信息网络,2013.

移动推荐系统应用分析 篇4

中国是仅次于美国的全球第二大移动应用消费市场,应用程序商店这一苹果开创的全型业态已成为中国8.7亿移动互联网用户的汇聚中心与海量数据及服务的核心承载平台,与全球市场不同,中国移动互联网应用生态整体并不依赖于谷歌和苹果两大应用商店巨头,而是形成以本土第三方应用商店为主导的发展格局,目前已拥有超过50家[2]第三方应用商店,应用规模累计接近400万个,下载规模超过3 000亿次,开发者超过40万人。

中国应用商店运营主体高度分裂,而应用程序商店广覆盖、高便捷、高价值的特性决定了其作为“新型管道”继传统移动通信管道后,已超越单纯的商业范畴,成为支撑整体产业发展的又一重要新型基础设施,构建移动互联网应用发展监测分析系统,感知重要基础性应用服务发展/运行情况,打造形成面向我国整体移动应用发展的深度监测分析能力已成为当前切实提升中国信息通信产业发展/管理水平的迫切需求与重要高效举措。当前从全球范围看,App Annie[3]、AppShopper[4]等公司已涉足该领域,但其技术方案主要立足于高度收敛于谷歌、苹果两大商店的全球市场,更多依赖于从客户端获取信息数据;从国内范围看,尚未观察到专门定位于面向整体移动应用生态监测分析的系统及相关技术方案,既有爬虫应用或定位于搜索引擎,或定位于舆情[5]、旅游[6]等特定垂直主题,其内在技术应用场景需求差距巨大,若干企业通过市场调研等非技术手段定期发布的应用整体发展数据的监测颗粒度、监测频度也完全无法满足产业发展/管理需求。

本课题全面立足中国移动应用生态发展分裂实际,面向国内技术实现迥异的众多应用商店,创造性地提出一套完整的基于爬虫技术的移动互联网应用发展监测与分析系统方案,并基于该方案实现对我国移动应用发展态势的全面监测分析。

1 设计方案与关键点

迥异于全球移动应用市场的高度收敛,立足于我国移动应用生态高度分裂、技术实现差异巨大的实际情况,系统整体基于爬虫技术进行构建,并面向中国全部主要移动应用商店进行监测分析,从下至上分为5个具体技术层面,即采集子层、适配子层、数据子层、服务子层和应用子层,其中爬虫系统与适配子层共同实现面向全部移动应用的监测功能,服务子层与应用子层共同完成面向移动应用的分析展现功能,因此系统自上而下又可分为三大层面,即分析展现层、数据层、监测层,如图1所示。

1.1 系统监测层

爬虫系统是整个应用监测分析系统的基础与核心,其根据一定的爬取规则,深入各应用商店爬取各类指标数据提供给采集适配层进行统一适配。

网络爬虫组件使用可扩展的爬虫池对国内外知名原生应用程序商店进行关键数据获取,如AppStore、Googleplay、WindowsPhone、Getjar、移动MM、腾讯应用中心、91助手等,总体基于开源的Nutch技术架构,主要执行流程是一个基于初始URL种子不断扩展深入的迭代过程,在每次迭代的过程中,伴随着新的子层URL的不断发现、解析和入库,最终采集获取全部信息数据。

原型的开源Nutch[7]系统在监测国内大量技术实现迥异的应用商店时面临一系列技术难题,国内大部分应用商店中均存在大量互无关联的应用App页面,甚至存在根本无法通过链接访问的一批App页面孤岛,简单以各商店若干URL种子为源头并采用Nutch自带深度优先搜索算法在爬取国内应用商店时仅能获取规模极小的信息样本,同时其漫长的爬取周期完全无法解决实时性监测问题。为全面监测获取国内应用商店整体信息数据,基于国内商店迥异的实际技术情况,应用监测分析系统创造性地发展出广度爬取与定向爬取两大功能组件,并将获取应用信息的步骤拆分为静态信息与动态信息两大过程。

由于国内应用生态规模巨大,更新获取全部应用页面信息的周期极长,静态信息主要指应用App页面地址、应用名称、版本、开发者等长期固定信息,静态信息爬取周期时间要求低,但全面性要求极高,为应对大量应用商店中存在的应用孤岛问题,创新引入源URL获取算法,首先在全球规模最大的谷歌应用商店中获取一批全面代表不同用户欢迎程度的应用清单,并据此搜索映射成国内50余家应用商店的初始URL,在此基础上进一步基于Nutch进行广度优先实现,成功获取到国内大部分App页面数据,与此同时,国内应用商店还存在若干从首页逐页展现App页面的技术实现,面对这类应用商店系统采用定制的定向翻页算法,获取全部应用静态信息。

动态信息指下载量、价格等App页面中快速变化的相关数据,为获取这类信息,系统基于静态信息中获取的全部App页面URL清单基于定向爬虫高速定向更新数据。为确保实时性加速爬取进程,定向爬虫采用多任务爬取,但为防止触发商店反爬策略,指向同一个应用商店资源的URL列表仅被分配到同一个爬取任务中,以减少大量线程对单一主机同时进行爬取的可能性,然而面对国内几百万应用动态信息每日更新,动态信息实时性仍难以完全保证,与此同时各商店反爬策略亦被频繁触发,为解决此问题,系统采用间接机制通过对爬取门限容忍度较高的第三方搜索网站快照等信息获取数据,同时部分引入代理机制对重点信息进行短期密集爬取,基本解决了国内应用生态监测的实时性难题。

统一适配平台通过监控爬虫程序输出的数据缓存(包括文件、数据库或者消息)接收来自爬虫组件的源数据,同时使用可扩展的适配模板群来管理模板,对国内50余应用商店采集到的数据分别采用专门格式模板进行适配,以统一规范的格式录入数据库。统一适配组件的存在将复杂而多变的数据适配过程从爬虫组件中分离出来,从而有效地提高了爬虫组件的爬取速度,提升了系统容错率。

1.2 系统数据层

数据层获取由系统监测层适配处理后的数据,并对数据进行持久化操作,采用分析库、实时库、高速缓存以及索引库三类数据库,其中分析库基于HBASE储存海量的原始数据与基础支撑数据,实时库基于MYSQL以只读形式面向上层服务进行实时查询与报表展现,储存基础支撑数据、分析结果数据与报表数据,引入内存库基于Redis在分析程序对原始数据进行分析的时候提供高速缓存用来加速分析过程[8],并同时提供一个数据索引服务,以加速面向几百万应用信息的页面查询响应。

存储于监测分析系统3类数据库中的数据内容类型主要分为爬虫与数据分析类、初级数据类、高级数据类和基础支撑类4类,其中:

1)爬虫与数据分析类主要指系统运行所依赖的一系列基本数据,包括爬取任务数据、反编译数据和初步统计数据。其中,爬取任务数据主要包括目标应用商店基本情况、爬取策略频率等任务本身配置数据;反编译应用数据主要指反编译部分样本应用获取的深度监测数据;初步统计数据指经适配处理后的爬取数据,及进一步简单分析生成的数据,如应用总体规模、下载量排名等相关数据。

2)初级数据类指爬虫与数据分析类数据经进一步处理分析后接用于系统展示的数据,包括应用分类、应用排名、下载情况、使用情况等。

3)高级数据类指爬虫与数据分析类与初级数据类数据经深度挖掘处理分析得到的深层次分析数据,包括应用对比、应用引用率、发展态势预测等深度信息。

4)基础支撑类指系统管理维护相关的基础数据,包括字典数据、用户数据和辅助数据等。

1.3 分析展现层

分析展现层的核心是服务子层,其基于数据子层和适配子层,为应用子层提供服务。服务子层从数据子层获取数据,其索引组件基于数据库数据建立和维护索引,形成索引数据库,并同时展开挖掘分析,包括数据分析和数据挖掘两大类。其中,数据分析主要对基础数据展开简单分析、汇总计算以及排名信息统计,如基于应用商店的应用下载量排名、应用主题分类和应用阶段下载次数统计等;数据挖掘基于半监督[9]的机器学习方法进行学习,独立于普通的分析,对数据进行深度的分析和挖掘,以得出更加深层的结论,基于数据仓库工具Hive实现,目前主要面向如应用替换率、各类型应用开发者收益、移动应用发展趋势等数据进行复杂的挖掘分析。与此同时,服务子层也与适配子层进行交互,通过采集调度组件采用不同策略调度采集程序开展数据采集分析。服务子层面向应用子层提供各种展现模式支撑服务,并将应用子层的动态配置及相应操作信息向下推送到适配子层,以控制整个爬取过程。

应用层的主要功能是Web展现,提供给用户一个可感知和可操作的视图界面,用户可根据不同的功能模块实现相应的业务操作,系统设计的功能模块主要包括应用检索功能、应用对比功能、系统管理功能、数据管理功能、应用高度分析功能、用户管理功能等。应用层的另一个重要组成部分是公共组件,包括统一登录、报表引擎和可配置树等。公共组件为每个功能模块执行辅助工作,起着必不可少的作用,其中统一登录是用户登录系统的验证体系,用户通过统一登录这一入口进入系统,以实现根据不同用户的权限限定用户可执行的操作;报表引擎负责报表展现,是报表功能的重要组成部分;可配置树组件用于为用户提供友好的操作界面,用户可通过配置树的相关选项进行相应的需求查询等操作。

2 方案部署与监测数据分析

2.1 方案部署

基于爬虫技术的国内移动互联网应用发展监测与分析系统部署架构如图2所示。

系统总体分为4个层次模块,即Web服务器、接口服务器、数据库服务器和分布式集群:1) Web服务器面向网络用户,以Tomcat为服务容器,为用户提供浏览、查询、索引以及报表等前台界面的所有功能服务。2)接口服务器面向其他系统的接口使用用户,为其他系统提供数据访问接口。3)数据库服务器用于移动互联网应用数据以及分析挖掘数据的持久化存储,其使用Redhad High-Availability技术实现双机虚拟化,包括虚拟IP以及虚拟硬盘等服务,一方面可以在数据库服务器故障时提供容错,提供必要的健壮性,另一方面可以进行日常的数据备份,以便于数据恢复。4)分布式集群是系统分布式管理核心内容所在,使用一个管理节点和10个从节点实现主从式的分布式结构。在集群上部署了用于分布式存储与计算的Hadoop框架,并基于Hadoop的分布式服务部署了分布式数据库Hbase、数据仓库工具Hive以及用于爬虫系统的Nutch搜索引擎工具。

系统在软硬件结构的部署上遵循分布式系统设计,合理安排任务分工和计算负载,实现高效率与可靠性的有机结合,能够满足国内移动互联网应用发展监测与分析需求。

2.2 监测数据成果分析

自基于爬虫技术的国内移动互联网应用发展监测与分析系统部署以来,截至2014年8月已对国内外41个应用商店进行爬取和分析,爬取含重复的应用数量高达6 091 037个,解析开发者787 923家,去重后应用规模等各项数据基本符合各商店公布的整体数据,并在此基础上初步对我国移动互联网应用生态开展进一步深度分析探索。

1)应用量分类统计

在国内移动互联网应用商店中,各类应用的数量及其比例数据如表1所示。

根据上表统计结果可知,当前单机游戏、工具、生活、社交以及安全类、影音视频类应用占据较大比例,具有较高的热门程度;而如健康、图书、效率之类的应用则相对较少,具有较低的关注程度。

2)分类应用商店应用统计

应用商店由于其形成过程的不同,可以分为互联网类、巨头类、设备厂商以及运营商4类,其应用量分布如表2所示。

由以上分析可知,在应用的整体分布中,互联网类和巨头类的应用商店占比绝大多数应用,而设备厂商类和运营商类商店应用规模占比极小。

3)应用商店下载量分布

各应用商店的下载量及其在总下载量的比例见表3。

由表3可知,商店1当前在国内50余家应用商店的竞争中已取得相当竞争优势,而若进一步结合时间曲线分析将会发现,商店5上升速度极快,将很快成为国内应用商店的另一主要参与者。

此外,系统还可进一步提取分析平均下载量、应用商店与应用分类分布、开发者分布、应用商店排名、重复应用统计以及优先上线统计等重要移动应用生态发展数据,结合时间维度分析其可进一步深度揭示移动互联网整体技术产业演进规律与趋势,例如:随着当前我国LTE网络建设的快速推进,系统通过持续跟踪视频类应用下载规模变化将可以定量级别精确分析通信网络升级对我国整体应用产业影响,明晰勾勒以视频影音为代表的高流量应用市场的繁荣图景,进而支撑相关建设发展策略出台,推动加速通信网络、应用产业协同发展。

3 总结与展望

本文论述的基于爬虫技术的国内移动互联网应用发展监测与分析系统深度立足于中国移动应用生态高度分裂、应用商店技术实现各异的现实情况,基于Nutch开源爬虫平台创新地发展出广度爬取与定向爬取两大功能组件,并将获取应用信息的步骤拆分为静态信息与动态信息两大过程,在获取静态信息、动态信息技术实现中,创新地提出并解决了一系列技术问题,在此基础上通过对50余家国内商店的分别统一适配,输出储存于三大数据库中的四类数据,并进一步挖掘分析展现,监测结果符合产业界实际,文中进一步基于监测数据给出了面向我国移动互联网应用生态进一步深度分析的若干成功案例。

系统当前在数据挖掘方面功能仍不完善,既有挖掘程度较浅,特别是我国的50余家商店发展良莠不齐,对各应用商店本身数据真实准确性挖掘分析并剔除坏数据是确保系统真正科学有效支撑中国移动互联网应用生态发展/管理的迫切要义。此外,HTML5[10]应用正处于兴起的初级阶段,下一步系统须在面向Web应用的监测方面全面升级能力,为未来潜在的Web应用爆发做好准备。

参考文献

[1]KAPPS S.App solidify leadership six years into the mobile revolution.Flurry Insights[EB/OL].[2015-01-01].http://www.flurry.com/bid/109749/Apps-Solidify—Leadership—SixYears-into-the-Mobile-Revolution*.VL5hR9yUd2w.

[2]许志远.李婷,王跃.2014年移动互联网白皮书[EB/OL].[2015-01-20].http://www.miit.gov.cn/nl 1293472/n11293832/n15214847/n15218338/.

[3]App annie corporation official site[EB/0L].[2015-01-10].http://www.appannie.com.

[4]Appshopper corporation official site[EB/OL].[2015-01-10].http://appshopper.com.

[5]王旭.互联网舆情监控系统中聚焦爬虫的设计与实现[D].北京:北京邮电大学,2011.

[6]徐显炼.分布式在线旅游搜索爬虫系统设计与实现[D].北京:北京邮电大学,2013.

[7]Apache nutch official site[EB/OL].[2015-01-10].hltp;//nutch.apache,org/.

[8]杨艳,李炜.王纯内存数据库在高速缓存方面的应用[J].现代电信科技,2011(12):16-18.

[9]王理华.半监督学习及其在数据挖掘中的应用[J].电脑知识与技术,2011(36):25-27.

移动推荐系统应用分析 篇5

随着企业内部各个主要领域计算机化的不断普及,这些领域的工作效率得到有效提高,同时也逐渐积累了大量的基础数据。这些数据包括行业业务数据,公司客户数据,公司员工数据等等。电子数据不同于以往的传统数据的最大特点就在于它便于进行计算处理,便于进行各种统计分析。为了有效地存储,管理和分析这些不同领域的数据,数据仓库和数据挖掘等技术应运而生并得到迅速发展。

作为数据挖掘技术的基础,数据挖掘算法经过了10多年的发展也已经逐渐成为一种成熟,稳定,且易于理解和操作的技术。在数据挖掘的常用技术中有一项是规则推导,即从统计意义上对数据中的“如果-那么”规则进行寻找和推导。其中关联规则挖掘能够发现大量数据中项集与项集之间有趣的关联或相关联系。它在数据挖掘中是一个重要的课题,尤其是最近几年已被业界所广泛研究。

关联规则挖掘的一个典型例子是购物篮分析,如著名的啤酒和尿布的关系。关联规则研究有助于发现交易数据库中不同商品(项集)之间的联系,归纳出顾客购买行为模式,如购买了某一商品对购买其他商品的影响(增加或减少销售量)。分析结果可以应用于商品货架布局、货存安排以及根据购买模式对客户进行分类销售或对商品进行捆绑销售等。

本文将介绍关联规则的基本概念和一个基于关联规则的算法的实现。最后介绍实现的工具在移动通讯系统中进行无线覆盖和故障分析方面的应用。

2. 关联规则概念

设I={i1,i2,…,im}是二进制文字的集合,其中的元素称为项(item)。记D为交易T的集合,这里交易T是项的集合,并且T哿I。对应每一个交易有唯一的标识,如交易号,记作TID。设X是一个I中项的集合,如果X哿I,那么称交易T包含X。一个关联规则是形如X圯Y的蕴涵式,这里X奂I,Y奂I,并且X圯Y=Φ。

规则X圯Y在交易数据库D中的支持度(support)是交易集中包含X和Y的交易数与所有交易数之比,记为:

support(∪kLk)=|{T:X∪Y哿T,T∈D}|/|D|

规则X圯Y在交易集中的可信度(confidence)是指包含X和Y的交易数与包含X的交易数之比,confidence(X圯Y),即

confidence(XY)=|{T:X∪YT,T∈D}|/|{T:XI,T∈D}|

给定一个交易集D,挖掘关联规则问题就是产生支持度和可信度分别大于用户给定的最小支持度(min-supp)和最小可信度(min-conf)的关联规则。

3. 关联规则算法实现与代码分析

我们参照关联规则挖掘[5,6]的思路,考虑在假定的一组数据项集作为前提条件或作为分组条件下,观察另一项集或一组项集其数据内容的百分比分布。这些百分比可以作为分析规则支持度和可信度的参考,通过这种比例的分布可以帮助我们发现这两组项集的内在关系。为了说明方便,下文中将称呼前面提到的第一组数据项集为分组数据项集,第二组数据项集为观察数据项集。以下是算法的描述以及结合代码的说明:

3.1 数据结构简介

在数据分析模块中首先设计了两个class,一个是FuncParameter,一个是Func Result,分别是执行数据分析的输入参数类和输出结果类。数据结构代码详见如下:

在Func Parameter和Func Result中都有GroupItem和Lookup Item两个成员,另外在Func Parameter中还有Group ItemOption和Lookup ItemOption两个成员,这些成员的数据类型都是Hash Map。在数组中我们一般是通过数组下标来对其内容索引和遍历的,而在Hash Map中我们可以通过一个对象对其它对象进行索引,用来索引的对象叫做key,其对应的对象叫做value。比如说GroupItem就是用Integer对象作为key,用String对象作为value。在本算法中需要定义不同项集的约束条件(或过滤条件),以及返回结果中要对应分组数据项集和观察数据项集进行分析,这都非常需要Hash Map的特性。Hash Map还有个优点就是可以通过hashcode对其内容进行快速查找。

GroupItem存储分组数据项集的信息,而Lookup Item存储观察数据项集的信息。这两个Hash Map都是以整形数据作为索引(key),索引值对应于数据源中该项集的位置,如果数据源为ResultSet(数据库返回结果集)则索引就等于该项集在ResultSet中相应Column的位置,如果数据源为一般有固定结构(包含固定分隔符和固定数据格式)的数据文件,则索引为该项集在文件中的对应列的位置。Hash Map的值(value)就是项集的名称,如表中的列名或自定义名称。

GroupItemOption存储Group Item中相应项集的约束条件,Group ItemOption的key和GroupItem的key是一致的。同样,在Lookup ItemOption中存储Lookup Item相应项集的约束条件,Lookup ItemOption的key和Look Item的key也是一致的。这样设计的目的是为了方便在代码中对数据源中的数据按照约束条件进行过滤。在GroupItemOption和Lookup ItemOption中的值都是ItemOption类。ItemOption类包括项集的约束算式,由比较方式和比较参数组成。比如在约束算式“购买数量>50”中“>”就是比较方式,“50”就是比较参数。

3.2 算法介绍

算法的具体流程首先是通过对数据源的遍历,找到符合GroupItemOption的约束条件的分组项集值(这里记为A)后作为Func Result中的resultHm的key值保存,而对应于该key的值则是类Lookup Result的一个对象。Lookup Result第一次创建时以此时对应的观察数据项集的组合值作为key,value(表示相同组合值出现数量)初始为1。此后在循环遍历中,如果遇到相同的分组项集值(即A)时,则把对应的观察数据项集的组合值信息写入Lookup Result中。在写入Lookup Result的过程中,首先查找Lookup Result的key值,如果已经存在相同的key(即key等于观察数据项集的组合值),则在这个key相对应的value(数量)上增加1。

如下的ParseOneRow函数是遍历数据源的一行数据的处理过程。首先是检查这一行数据是否符合所有约束条件,如果符合,把分组数据项集的组合值存入GroupString,把观察数据项集的组合值存入Lookup String,最后调用add New Record函数在resultHm(即统计结果)中加入GroupString和Lookup String信息。

add Info函数则是在Lookup Result对象中加入新的观察数据项集的组合值,str参数就是组合值,也就是上面提到的Lookup String。当Lookup ResultHm中已经有相同的组合值(key)时,在该key所对应的value就加1,如果没有,就以当前的组合值作为新的key加入Lookup ResultHm中,此时对应的value初始化为1。

4. 工具在移动通讯系统的分析功能介绍

基于以上所介绍的算法笔者开发了一个分析工具,可以在不同领域的数据源基础上执行基于关联规则的的数据统计分析,从数据的统计结果我们能得出分析人员所需要的一些分析结果,从而可以应用于各种领域的数据处理过程。下面以移动通讯系统的数据为基础,介绍一下在移动通讯系统中的无线覆盖和设备故障排查分析方面的应用。

4.1 分析工具介绍

分析工具主要分三个部分:

首先是数据源的定义,数据源可以为数据库或文件。如果是数据库,则可以通过输入数据库的数据源名称(或数据源描述字符串)建立连接,连接成功后工具会获取数据库中的表名以供选择或由用户直接提供SQL查询语句产生欲分析的数据记录;文件则指的是有固定结构的以每一行为一条记录的文本文件。

然后是分析规则建立部分。这部分是在上一部分的基础上完成的。数据源定义好后,工具会自动得到数据源的数据集的属性集合。在这些属性中用户按照分析目的选择不同的分组数据项集和观察数据项集以及各观察数据项集的比较参数。

最后则是分析结果,在结果中分别列出分组数据列表,每一个分组数据对应的观察数据列表和所占分类数据总数的比例。

4.2 移动通讯领域的小区覆盖情况分析

在移动通信中,为了提高覆盖强度和质量,很多人口密集或话务密集的地区需要多个基站小区覆盖。这样虽然可以减少话务拥塞,但也增加了成本。我们希望在市区的繁华地段能有两个以上小区同时覆盖,同时也希望在偏僻的农村不能有过多的小区重复覆盖。我们在分析移动系统的统计数据时希望能得到某一个地域的覆盖小区数量。下面是一家移动运营商的一部分无线话务统计数据(如图1)。

其中:

CellID是小区号,标示基站服务小区GridX,GridY是按经纬度划分的100m*100m的地区的中心坐标值,用于区分不同的地区。

我们统计在每个0.01平方公里(100m*100m)的地区上的服务小区,以GridX和GridY作为分组数据项集,服务小区号作为观察数据项集。下面的图2是统计计算结果。

从图中可以看出:

GridX=732500:GridY=2509300这个地区只有一个无线小区提供服务。而在GridX=731600:GridY=2508800这个地区则有四个无线小区提供服务。结合这些数据和Map Info等工具,可以清晰的看出一个城市那些地区覆盖情况较好,那些地区覆盖不足,那些地区覆盖过密等等,这些可以给移动运营商提供无线环境优化的数据依据。

从这个例子中可以看到该工具对于离散型数据具有一定的数据分析功能。

4.3 移动通讯领域的故障情况分析

在移动通讯中的无线系统部分一般可以分为基站控制器和基站两部分。在BSC和BS的设备中有很多不同板卡共同完成信令和数据的处理流程。在BSC和BS处理信令和数据的过程中因为很多原因会出现问题,比如板卡的损坏、数据配置的错误、资源缺乏等等。为了保障系统正常运行,维护人员需要快速、及时地发现问题,解决问题,这就需要维护人员能有一些工具提供基于系统日志、告警记录等数据的分析功能,从这些数据中得出一些有用的分析结果(如图2),有助于快速定位故障点,最终加速解决问题的进程。

通讯系统通常会记录每一次用户呼叫或被叫的信息,这些信息一般称作呼叫数据记录。在CDL中包括大量跟呼叫过程有关的数据,其中有呼叫功能代码、呼叫、被叫号码以及呼叫过程所用BSC,Site,板卡的信息等等。其中呼叫功能代码表示呼叫过程的结果,比如31、1分别表示被叫和主叫成功,而其它代码则分别表示各种呼叫失败结果。

在通讯系统的故障分析中经常需要分析某一段时间中为什么突然出现大量的某种呼叫失败情况,比如掉话、切换失败、资源不够等情况。利用上面介绍的工具和CDL数据,我们可以把各种表示不同呼叫失败情况的代码作为分组数据项集,而各种设备和板卡信息作为观察数据项集进行分析。如果发现在某一种失败情况的记录集中有很大比例发生在某一个基站或者某一个板卡上,我们就能定位这个基站或者这块板卡是一个可能的故障点。

另外,如果以某一个BSC或者BS作为分组数据项集而呼叫结果代码作为观察数据项集,可以看出这个BSC或者BS的呼叫结果分布情况,如果突然出现大量的失败记录,就可以判断这个BSC或者BS有板卡故障或者配置错误等情况,需要进行重点检查。

5. 结束语

本文详细地介绍了数据挖掘中的关联规则算法实现并开发了一个分析工具,可以对不同类型的数据源执行该数据统计算法,然后通过对通信系统内的一些数据做实验,得出我们想要分析的结果。

但是该工具目前只能解决观察数据是离散型的数据,对于连续性的数据,则在数据分析的过程中需要加上连续数据的离散化处理过程。这个工具的算法虽然简单,但对于数据源的要求比较高,如果希望有令人满意的分析结果,需要前期进行数据源的准备。另外,该工具还需要加强大数据量的处理效率。

在数据挖掘的过程中,我们可以依据自身的经验确定一些分析方向,并通过统计分析工具得到验证,这是一个比较有效的办法。

摘要：数据挖掘是从大量数据中获得重要的信息或者是为了作重大决策提供充分依据的技术。在本文中参照数据挖掘的关联规则实现了一个简单的算法,用于在通信系统的话务和告警等数据中发现其中一组数据和其它组数据的关系,从而可以实现一些可以应用于通信系统的无线覆盖分析和其它统计分析的功能。

关键词：数据挖掘,关联规则,Hashmap

参考文献

[1]W.H.Inmon:Building the Data Warehouse.Second Edition[M].1998

[2]Jiawei Han and Micheline Kamber:Data Mining:Concepts and Techniques[M].2001

[3]王珊等.数据仓库技术与联机分析处理[M].北京:科学出版社,1999.

[4]梁旭,张楠,黄明,徐皓等.一种新的高效关联规则数据挖掘算法[J].大连铁道学院学报,2001,(01):61-63.

移动推荐系统应用分析 篇6

(一) 室内覆盖系统的网络环境。

对一般高层建筑而言, 其移动通信环境大致可分为三个方面:其一是建筑物高层, 周围基站多, 电磁环境恶化, 信号干扰严重, 易形成通话盲区;其二是建筑物中层, 可接受多个基站信号, 但信号常重叠, 虽强度较大, 但易频繁切换, 造成用户不能正常通话;其三是建筑物低层, 信号因受周围建筑物阻挡强度较弱, 像地下室、地下商场这类场所信号更弱, 基本为覆盖盲区, 用户难以通话甚至不能接入。

建筑物内部信号很容易受到各种墙体的阻拦而大幅度衰落, 致使室内形成弱信号区或盲区, 此外像建筑物周围的绿化带等各种环境也很容易削弱电磁波的传导, 致使到达室内的信号更弱。而在超市、商场这类移动用户量大, 通话频率高的通信热点区域, 由于基站所提供的载频常常不能满足忙时话务量需求, 因此话务呼损率较高, 不仅有损企业形象, 也带来了较大的经济损失。而室内覆盖系统却能有效克服建筑物屏蔽, 增强信号强度, 扩充网络容量, 改善网络指标, 有利于话务量和话费收入的增加。

(二) 室内覆盖系统的建设。

室内覆盖系统由为系统提供通话所需载频的信源和把信号功率传递到各覆盖区域的天馈覆盖系统这两个部分组成, 其建设一般包括四个方面的工作:一是预测合理话务, 这对建设合理的室内覆盖系统有很大影响, 话务量预测太大太小都会造成资源的浪费, 因此预测一定要合理。二是确定室内传播模型, 墙壁、地板、房顶、室内物体甚至是人都能影响室内电磁波的传播, 因此一定要根据地磁场分布的实测数据正确选择传播模型。三是选择信源, 话务量大的覆盖区可通过采用增加蜂窝设备或在原有设备上增加载频作为信源, 以满足话务量需求, 话务量较小的覆盖区则可选择现有较空闲的载频作为信源, 以光纤接入或无线耦合方式将载频引入室内覆盖系统。四是选择覆盖方式, 覆盖通常选用光纤分布系统和射频分布系统, 前者以光纤作为传输介质, 损耗小, 一般用于长距离传输, 地下隧道、酒店、大型写字楼等室内覆盖系统的建设都可选用该方式。

二、直放站在移动通信网络中的应用

(一) 无线直放站。

无线直放站是以射频空间耦合方式从基站引入信号, 因此基站必须位于能良好接收基站信号的地方。建立无线直放站应注意以下问题:一是选择合适的信源, 保证输出功率和信号质量, 保证整体覆盖效果。二是选频方式, 在电磁环境相对干净区域, 可采取性价比高的宽带选频方式;在施主信源小区不能占主导时, 可采用选频特性优良的载波选频。三是隔离度, 这是无线直放站工程中最关键的一项指标要求, 一般通过增大两幅天线的距离或利用地形、地物等来解决施主天线和用户天线不能满足直放站增益需求的问题。

(二) 光纤直放站。

光纤直放站主要适用于离基站较远的公路、村镇、旅游区等地区, 建设光纤直放站也要注意信源选取和控制上行噪声, 此外还要注意光纤传输距离, 一般光纤直放站的最大传输距离不能超过15km, 而由于光纤直放站安装在野外, 因此一定要采取必要的防雷、防盗措施以保证它的安全。

(三) 移频直放站。

移频直放站具有有效扩展和填补移动通信覆盖盲区、双向放大GSM基站上下行链路信号、无限转发等功能, 它能较好地解决乡村屋顶、电线杆、铁塔等这些受安装条件限制地区的网络覆盖。和上述两种直放站一样, 移频直放站也要注意信源选取, 保证施主基站的话务容量有冗余, 避免因接入移频直放站系统而导致网络堵塞, 同时保证移频直放站的安全性, 并控制上行噪声上升不大于2.4d B, 在选取链接频率时应与运营商进行频点的协商, 并进行扫频测试。

三、结束语

室内覆盖系统和直放站作为基站系统的延伸和补充, 其技术不断发展对于优化和完善移动通信网有着重要的价值和意义, 在今后的网络优化和建设实践中, 要根据网络的实际特点灵活的采用新方法、新思路、新技术, 以促进网络运行质量的提高。

参考文献

[1]杨奕.室内覆盖系统和直放站在移动通信网络优化中的应用[J].电信快报, 2004, 15 (12) :9-12.

移动推荐系统应用分析 篇7

随着医院信息化建设的不断深化,数字化医院已成为建设现代化医院的发展趋势,同时也已成为各医院提升自身核心竞争力的有效途径和发展目标。目前国内大部分医院都采用了医院信息系统(hospital information system,HIS)将医院管理流程化,实现了医护人员对患者信息的共享。但是医院信息化工作的“最后一米”,即医护人员和临床患者之间的信息交换,目前还是医疗信息化涉足不多的领域[1]。近年来,随着无线网络技术的发展和新型移动手持设备特别是平板计算机的出现,临床移动医疗系统成为了医疗信息化发展的新方向,越来越多的医院将平板计算机应用于医护人员的临床工作中,从而提高了医院的运营效率、服务质量和核心竞争力。

1 临床移动医疗系统概况

临床移动医疗系统是以医院现有的HIS为基础,以移动手持设备为硬件,配合无线局域网络技术,实现HIS在病房的扩展与延伸的床旁工作终端执行系统[2]。近年来,依托于无线网络、自动识别以及移动计算技术的迅速发展,临床移动医疗系统方兴未艾,被越来越多的国内医院采用。临床移动医疗系统使临床一线医护人员之间实现了随时随地的互联互通,工作更加实时和高效,为提高医院管理及医疗质量水平带来诸多好处,具体来说,主要包括以下几个方面:

(1)临床移动医疗系统通过无线局域网络和移动手持设备的相互融合,将基于HIS平台的医生工作站和护士工作站延伸至患者床头[3],实现了医护人员在临床工作中的移动化和信息共享的即时性。医护人员之间可以通过临床移动医疗系统随时随地获取到每位患者最新的诊疗信息数据,浏览、下达或执行最新的医嘱信息,采集并分析生命体征数据,记录和跟踪各种观察项目等。同时,所有的信息可通过电子化的形式进行传输、共享和保存,从而显著提高了临床的诊疗效果和工作效率[4]。

(2)临床移动医疗系统在临床医疗流程中引入条形码标志和自动识别技术,实现了患者身份标志、药品标志、标本标志的唯一化[5]。医护人员使用移动手持设备,通过在临床操作时进行双条码匹配核对,保证了患者身份的正确性和治疗操作的准确性,并可以将执行人及执行时间数据实时存入数据库,从而有效地杜绝了临床医疗差错,显著提高了病患就医的安全性。

(3)临床移动医疗系统实现了医护人员巡视病区时实时录入病患情况,并将录入数据自动存储到数据库。同时,临床移动医疗系统还能够自动生成体温单曲线,并能按照卫生部要求的表格文书规范在后台自动生成和打印护理文书,减少了医护人员对病患数据的二次转录和转抄处理,减少数据差错,从而提升了医护人员的工作效率并逐步实现了办公无纸化。临床移动医疗系统的这一功能简化了临床工作流程,减少了护士人力资源的浪费,延长了护士为患者直接服务的时间,真正体现了“把时间还给护士,把护士还给患者”,从而有助于提高护理工作的质量和效率[6]。

(4)移动手持设备在临床医疗中的应用实现了对医护人员临床每一步操作记录的电子化,从而使医院能够对医疗过程进行跟踪与追溯,实现了医院内部对临床“医疗过程”的监控和管理,有助于医院提升管理力度与水平。同时,移动手持设备所收集的丰富的临床记录信息数据也为医院对医护人员的绩效评估提供了合理充分的依据,从而达到改善医疗成本效益的目的,为医院管理带来了显著收益。

(5)临床移动医疗系统能够对其所收集的各项临床数据进行快速和灵活的数据统计和分析,为医院进一步开展医疗科研工作提供了翔实的数据参考基础[7]。

2 临床移动医疗系统使用的移动手持设备及操作系统

2.1 临床移动医疗系统操作系统介绍

目前,临床移动医疗系统大多基于Windows Mobile、Android或i OS操作系统开发而成:

(1)Windows Mobile是微软为手持设备推出的“移动版Windows”,是基于Microsoft Windows CE内核的嵌入式操作系统。Windows Mobile将Windows桌面扩展到了移动手持设备中,提供与微软Windows操作系统相似的视窗界面与操作方式。目前该操作系统常用版本为Windows Mobile 6.1(最新的版本是6.5),主要应用于物流仓储、快销、警务等行业,是临床移动医疗产品中较早使用的系统平台。目前,微软已经取消了对Windows Mobile的支持,转向新开发的Windows Phone的系统平台。

(2)Android系统是由Google开发的基于Linux内核的开源移动操作系统,是首个为移动手持设备打造的开放和完整的移动操作系统平台。Google在2008年9月首次发布Android第一个版本1.1版,并在2011年10月推出了最新的4.0版本。自推出以来,Android系统已迅速占据了全球智能手机操作系统市场52.5%的份额。新一代的Android系统提供全新的UI支持,具有强大的图片处理功能,支持人脸识别和更多的感应设备,是真正意义上的开放式操作系统。

(3)苹果i OS系统是由苹果公司开发的手持设备操作系统,i OS来源于苹果的OSX,内核是Unix系统。苹果公司于2008年3月首次发布i OS 2.0b2,并在2012年3月发布了i OS 5.1的最新版。i OS系统具有良好的设备集成度和驱动优化,但是i OS是一个被苹果公司严格控制的系统,在大部分情况下,第三方应用开发者是无法拿到所有API的,因此不算是真正意义上的开放式操作系统。

2.2 临床医疗工作对移动手持设备的要求

由于临床工作的特殊性,包括医护人员的工作内容、范围、性质等特性,临床移动医疗系统所使用的移动手持设备必须能够处理大量数据,并提供稳定、快速、准确的信息响应支持。同时,随着医院其他信息化系统的发展和成熟,医护人员对移动医疗系统所使用的移动手持设备也提出了越来越多的新要求。例如,随着PACS等影像系统的技术成熟和普及,医护人员需要在移动手持设备上查看影像及数据图表,这一要求对移动手持设备的图像处理能力和显示质量提出了新的要求。因此,在选择临床移动医疗移动手持设备时,医院主要应该考虑以下几个因素:

(1)由于医护人员在工作环境中需要频繁移动,要求移动手持设备较为轻便。

(2)由于医护人员的工作强度高,要求移动手持设备操作系统稳定,响应迅速,并具有用户友好的UI界面。

(3)由于医护工作人员长时间的持续工作,要求移动手持设备具有节能和较好的电力续航能力。

(4)由于医院对医疗信息数据的安全性的要求,要求移动手持设备系统具有很好的标准性和开放性。

(5)由于临床工作中业务需求的不断变化,需要随时对移动手持端系统进行相应调整,因此要求移动手持设备系统具有快速开发能力和较强的扩展性。

(6)由于临床移动医疗系统需要与医院使用的其他信息系统和平台进行对接,因此移动手持设备系统平台需要具有丰富、标准的开发接口支持。

2.3 不同系统移动手持设备参数对比

鉴于上述的各项考虑因素,对基于Windows Mobile、Android和i OS 3种操作系统的移动手持设备相关参数进行了对比,见表1。

注:1 in=25.4 mm

2.4 不同操作系统在临床医疗中应用的对比分析

结合医护人员临床实际需求和使用反馈以及医疗行业的应用特性,下面将从性能、临床使用效果、设备性价比和多样性等几个方面对不同操作系统在临床医疗中的应用做出对比分析。

2.4.1 不同操作系统性能的比对分析

2.4.1. 1 兼容性

随着医院信息化建设的全面展开,信息系统规模不断扩大,临床移动医疗系统必须实现与医院HIS以及与基于HIS之上所扩展的其他系统之间的无缝链接。苹果的i OS操作系统,锁定自己生产的单一的硬件设备,不能被转移到由非苹果公司生产的其他设备上使用。同时,在大部分情况下,第三方应用开发者是无法拿到所有API的。因此,相对Android系统和Windows Mobile系统,i OS系统兼容性差,其系统的封闭性会给行业用户进行系统维护和解决复杂需求问题时带来较大困难。相对而言,Android系统由于完全开源[8]、使用免费,因此更受程序员和硬件厂商的欢迎,特别在医疗行业,Android系统的开放性和兼容性使基于Android的移动医疗系统能够与医院的HIS、LIS、PACS等其他信息软件系统更容易实现对接。

同时,随着医疗行业信息化发展的清晰化、规范化、制度化,医护人员对临床移动医疗系统的需求也在不断细化和深入,Android系统的开放性也使开发人员能够随着医疗信息化标准的不断变化,对基于Android系统的临床移动医疗系统做出迅速的调整,以适应用户的不同需求。另外,由于Android系统相对于i OS系统是一个更加开放的操作系统,临床移动医疗系统的开发人员可通过不同技术手段,实现不同后台系统的接入,实现更广阔的使用前景[9]。

此外,近年来医疗行业中基于Android系统的常用医疗设备也逐年增多,如蓝鸟条形码扫描器,带有RFID及条形码扫描头、电池的第三方硬件外套等。因此相对其他操作系统,基于Android系统的临床移动医疗系统更容易与市场上越来越多的基于Android系统的医疗设备进行对接。

2.4.1. 2 安全性

当前,如何防范机密数据外泄和重要数据被篡改已经成为医院正常运作中一个必不可少的安全因素。i OS系统是一个相对封闭的平台,第三方应用开发者是无法拿到所有API的。因此,临床移动医疗系统的开发人员对该系统的把控较小,在系统的开发、管理和控制方面都存在一定困难。相对而言,开源的Android系统允许移动医疗系统开发人员针对医院的具体情况和要求,在使用环境及设备特性几个方面制订系统安全方案,加强移动医疗系统本身的自我防御能力。相比于i OS和Windows Mobile,Android系统能够将来自外部的威胁降到最低,从而能够最大限度地保护系统运行的稳定性和信息数据的安全性。

2.4.2 临床工作中使用效果的比对分析

医护人员需要通过移动手持设备查看影像及数据图表,这一要求对移动手持设备的图像处理能力和显示质量提出了很高要求。从表1可以看出,相对Android或i OS系统设备,Windows Mobile系统的设备屏幕较小,影像处理和图像支持能力弱,很难满足医护人员在临床工作中对复杂数据图表处理和展示的要求,已经不能适应医疗行业对信息化的要求。同时,医护工作人员长时间的持续工作需要移动手持设备具有节能和较好的电力续航性能。相对Android或i OS系统设备,Windows Mobile移动手持设备的电池续航能力和网络稳定性也比较弱,在关闭屏幕的情况下,无法实现无线网络的在线状态,不能满足医护人员持续使用的需求。此外,虽然Windows Mobile操作系统的设计初衷是尽量接近于桌面版本的Windows,满足用户操作方式上的易用性,但近年来新兴的基于Android或i OS的手持移动设备平板计算机得益于近几年人机触控及感知技术的快速发展,相比于Windows Mobile而言,更加具备操作优势。因此在临床医疗信息化建设过程中,越来越多的医院在医疗和护理流程中应用Android系统或i OS平板计算机取代Windows Mobile系统,用以满足医生的移动查房、护士的移动护理等方面的移动医疗需求。

2.4.3 移动手持设备性价比和多样性的比对分析

在移动手持设备采购成本方面,基于Android或i OS的移动手持设备与基于Windows Mobile系统的移动手持设备相比,具有一定的价格优势。目前市场上大型知名厂商生产的基于Android或i OS的移动手持设备产品价格相近,为3 000~5 000元,而基于Windows Mobile系统移动手持设备的价格大约为每台8 000元,单纯从价格上比较,Android和i OS比Windows Mobile系统更具有优势,而Android和i OS的价格比较接近。但与Android系统相比,基于i OS操作系统的平板计算机只有苹果公司一家生产的i Pad,尺寸也比较单一。与i OS不同,由于Android操作系统是一个开放性平台,允许硬件厂商开发以其为基础的硬件产品,因此,基于Android操作系统的平板计算机产品规格更丰富,价格也有相对更低廉的选择,因此更有利于医院选择适合自己实际情况的硬件产品。

3 结论

综上所述,24 h×7 d的稳定运行、迅速的程序反应、系统开放性、良好的兼容性及扩展性,都是在医院选择移动医疗系统时必须考虑的因素,也是医院信息化建设中对移动手持设备的基本要求。通过对不同移动医疗系统操作系统进行的对比分析,Android操作系统综合优势明显。Android系统能够满足医护人员在临床工作中的各项需求。同时,相对于i OS,Android系统具有成本性、易用性、设备多元化、兼容性及数据安全性等多方面的优势,必将是医疗行业手持设备选择的发展趋势。

参考文献

[1]张致欢.基于Android系统的平板计算机在医院无线移动查房的应用及优势[J].信息系统工程,2011(6):45.

[2]程蕊,孙静.移动护理信息系统在临床护理工作中的应用[J].中华现代护理学杂志,2007,6(21):2.

[3]计虹.无线移动护理车实现信息系统向床边延伸[J/OL].e医疗,2012(3):48-49.[2012-03-01].http://www.100md.com/html/pa-per/1671-3370/2012/03/21.htm.

[4]马锡坤,干振华,吴艳君.无线查房信息系统的设计与应用[J].中国医疗设备,2010,25(2):29.

[5]钟俊华,陈金雄,王浩宇,等.无线临床护理信息系统的设计与实现[J].医疗卫生装备,2010,31(10):5.

[6]张翠霞.移动护理系统质量控制的方法与体会[J].护理学报,2011,18(3):39.

[7]陈英,陈丽君,彭伟萍,等.掌上计算机在护理工作中的应用[J].护士进修杂志,2006,21(7):607-608.

[8]李鹏.iPhone对决N8五大系统智能手机论战[EB/OL].[2010-06-22].http://dev.10086.cn/news/technologyproduct/4527.html.